# Как подключить DeepSeek к Claude Code

Создай API-ключ, настрой DeepSeek внутри Claude Code и проверь связку на анализе ниши. Сравни качество результата и фактические затраты на одинаковой задаче.

## 1. Подготовь ключ и рабочую папку

- [ ] Подготовь установленный Claude Code и папку проекта, в которую будет сохранён результат теста. Для подключения используй [официальную инструкцию DeepSeek](https://api-docs.deepseek.com/quick_start/agent_integrations/claude_code/).
- [ ] Войди в [кабинет DeepSeek](https://platform.deepseek.com/) и создай API-ключ.
- [ ] Пополни баланс на небольшую сумму для теста. Ориентир — пара долларов; оплата идёт за фактическое использование API.
- [ ] Для первого теста выбери обычную рабочую задачу: поиск информации, сбор таблицы и выводы. Прежде чем переносить связку в продакшн-проект, проверь, хватает ли качества результата.

## 2. Выполни девять строк настройки

- [ ] Открой терминал. В блоке ниже замени только `sk-ваш-ключ-deepseek` своим ключом, затем выполни все **девять строк**.
- [ ] Сохрани двойные кавычки вокруг значений, в том числе вокруг `deepseek-flash[1m]`: так строки корректно передаются обычному терминалу macOS.

## Команды подключения DeepSeek

```bash
export ANTHROPIC_BASE_URL="https://api.deepseek.com/anthropic"
export ANTHROPIC_AUTH_TOKEN="sk-ваш-ключ-deepseek"
export ANTHROPIC_MODEL="deepseek-flash[1m]"
export ANTHROPIC_DEFAULT_OPUS_MODEL="deepseek-flash[1m]"
export ANTHROPIC_DEFAULT_SONNET_MODEL="deepseek-flash[1m]"
export ANTHROPIC_DEFAULT_HAIKU_MODEL="deepseek-flash"
export CLAUDE_CODE_SUBAGENT_MODEL="deepseek-flash"
export CLAUDE_CODE_EFFORT_LEVEL="max"
export CLAUDE_CODE_AUTO_COMPACT_WINDOW="786432"
```

- [ ] Сверь адрес подключения: `https://api.deepseek.com/anthropic`. Это адрес DeepSeek с поддержкой формата Anthropic API. [Документация совместимости](https://api-docs.deepseek.com/guides/anthropic_api/).
- [ ] Проверь назначение моделей:

- основная модель, а также замены для **Opus и Sonnet** — `deepseek-flash[1m]`;
- замена для **Haiku** и настройка модели помощников — `deepseek-flash`.

- [ ] Проверь два оставшихся значения: `CLAUDE_CODE_EFFORT_LEVEL="max"` и `CLAUDE_CODE_AUTO_COMPACT_WINDOW="786432"`. Не меняй параметры при первом сравнительном запуске.

## 3. Запусти Claude Code с новой моделью

- [ ] В том же окне терминала перейди в папку проекта и запусти Claude Code обычной командой:

```bash
claude
```

- [ ] Для работы используй запущенную с этими настройками сессию. Интерфейс Claude Code сохраняется, запросы направляются в DeepSeek.
- [ ] Перед сравнением подготовь второй запуск с обычной моделью Claude. Не используй для него сессию, запущенную с переменными DeepSeek.

## 4. Проведи тест на анализе ниши

- [ ] Отправь в Claude Code следующий промпт целиком. В обоих вариантах сравнения используй **одинаковый текст**.

## Промпт для теста с таблицей

```text
Проверь нишу: доставка здоровых обедов в офисы в Казани.
1. Найди в интернете 10 компаний, которые уже это делают: название, сайт, цена обеда, минимальный заказ.
2. Оцени спрос: что люди ищут, какие отзывы оставляют, на что жалуются.
3. Собери всё в файл niche.md: таблица конкурентов, 3 главные жалобы клиентов, средний чек и вывод — стоит ли заходить новичку и с каким отличием.
Если данных нет — так и напиши в таблице, ничего не придумывай.
```

- [ ] Дождись создания файла `niche.md` в папке проекта. Результат должен быть таблицей и выводами в Markdown; отдельный файл электронной таблицы для этого теста не требуется.
- [ ] Проверь таблицу конкурентов:

- найдены **10 компаний** либо явно отмечена нехватка данных;
- для каждой указаны название, сайт, цена обеда и минимальный заказ;
- неизвестные значения обозначены как отсутствующие, а не заменены догадками.

- [ ] Проверь аналитическую часть: есть **три главные жалобы клиентов**, средний чек и вывод о входе в нишу с конкретным отличием.
- [ ] Повтори ту же задачу с обычной моделью Claude и сохрани оба результата для сравнения.

## 5. Сравни качество и фактический расход

- [ ] Сопоставь результаты двух запусков: полноту таблиц, наличие сайтов и цен, работу с пропусками, жалобы клиентов и обоснованность вывода.
- [ ] Запиши расход токенов и стоимость каждого запуска. Сделай вывод об экономии по своей задаче, а не по одному впечатлению от ответа.
- [ ] При оценке расходов различай **новые входные токены** и **чтение кэша**.

- Ориентиры для DeepSeek Flash: **$0,30** за миллион новых входных токенов и **$0,006** за миллион входных токенов при попадании в кэш. Эти ставки соответствуют пиковому тарифу в [официальном прайсе](https://api-docs.deepseek.com/quick_start/pricing/), сверенном **26.10.2026**.
- Разница в **50 раз** относится к этим двум ставкам за входные токены. Она не означает, что вся задача обязательно обойдётся в 50 раз дешевле.

- [ ] Реши, подходит ли связка для твоих стандартных задач, по двум условиям одновременно: приемлемое качество и подтверждённый расход. Не переноси результат одного теста на все продакшн-проекты.

## 6. Если рассматриваешь собственное развёртывание

Этот раздел нужен для оценки инфраструктуры; для подключения через API он не требуется.

- [ ] Изучи отдельно [DeepInfer](https://github.com/deepseek-ai/DeepInfer), [DeepSeek Recipe](https://github.com/deepseek-ai/deepseek-recipe) и [веса DeepSeek-V4.1-Flash на Hugging Face](https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash). Не считай открытый движок готовой копией всего сервиса DeepSeek.
- [ ] До планирования собственного запуска проверь требования в [официальных вопросах и ответах по развёртыванию](https://github.com/deepseek-ai/DeepInfer/blob/main/doc/inference_deployment_qa.md).

- Для минимальной эффективной конфигурации приведён ориентир **64 GPU для чтения запроса и 64 GPU для генерации ответа**, всего **128 GPU**.
- Управление хранилищем памяти разговоров и балансировка нагрузки не полностью вошли в открытый код. Одних весов и движка недостаточно, чтобы автоматически получить всю инфраструктуру сервиса.

---

Источник: https://localhost:3000/m/chek-list-kak-podklyuchit-deepseek-k-claude-code-i-proverit-rashody